技術是不會以任何商業(yè)行為或者人們的意愿所改變它的上限和下限的，它需要的時間是恒定的。

如果說中國大模型市場最核心的話題是什么？降價則必然是其中之一。

從目前的參賽玩家來看，不論是字節(jié)豆包，還是阿里、百度、騰訊、科大訊飛，國內的一眾to b大模型廠商都被卷入這股降價潮中，它們或是全量降價，或是小參數(shù)模型降價。

“很多云廠其實本來沒想降，但大家都降了，也沒辦法，只能跟?！币晃幌嚓P人士告訴產(chǎn)業(yè)家。

具體來看，目前業(yè)內降價的主要版本更多的是基于公有云版本的接口成本降低，以及輕量化模型的調用成本調優(yōu)。而從目前大模型的調用來看，這些也是當下開發(fā)者小范圍使用最優(yōu)先使用的版本。根據(jù)不完全統(tǒng)計，如今有超過40%的企業(yè)都在嘗試使用大模型相關產(chǎn)品，或是基于辦公，或是基于生產(chǎn)等等。

但這種意愿的蓬勃生長和這次降價潮并不成正相關?！捌鋵嵔祪r對我們影響不大，本來我們的調用成本就很低，現(xiàn)在重點是能不能內部使用起來?！币晃唤鹑谄髽I(yè)的CIO告訴我們。

這是很多人向產(chǎn)業(yè)家傳遞的信號。因此，在這背后，對應的一個核心問題是：降價，是不是會推動和加速大模型在產(chǎn)業(yè)和行業(yè)側的落地？或者說，降價是不是大模型從技術向工程邁步的核心因素？

如果說一年前，市場對于這個問題的回答是肯定的，那么如今，這個問題則更多見仁見智。在產(chǎn)業(yè)家和不同企業(yè)的溝通交流中，得出的一致結論是，如今企業(yè)更多的卡點并非在大模型本身，而在于企業(yè)自己。

這些工程側的卡點涵蓋向量數(shù)據(jù)庫、數(shù)據(jù)清理/標注、知識庫的梳理建立以及內部業(yè)務邏輯和流程的清理，“我們現(xiàn)在想在copilot基礎上加一層，到Agent的階段，但整體的業(yè)務流程梳理需要時間?！鄙鲜鋈耸扛嬖V我們。

在降價潮把大模型拉回C位的如今，我們更應該審視的是在大模型進入中國一年后的當下，在技術、參數(shù)不再是唯一標準的如今，中國產(chǎn)業(yè)大模型的卡點如今到底在哪？

一、大模型時代，低價究竟意味著什么？

“我們不希望發(fā)布半成品。之所以今天發(fā)布，是因為現(xiàn)在我們的模型能力已經(jīng)準備好了?！被鹕揭婵偛米T待表示。上周三，火山引擎正式發(fā)布字節(jié)旗下的豆包大模型。

而與此同時，更為重磅的消息是，豆包大模型宣布降價，每千tokens價格0.0008，直接給出了“全網(wǎng)最低價”。

這也意味著，大模型價格戰(zhàn)就此打響。先是阿里宣布其主力模型全面降價，在豆包大模型的基礎上，再降三個點，每千tokens價格0.0005；當天下午百度宣布“免費，立即生效”，緊接著，阿里云再加碼，宣布通義旗下的12款模型已開源，全部免費下載。等到了周三，參與者又多了科大訊飛和騰訊。

對此，海外媒體給出的評價是，國內互聯(lián)網(wǎng)廠商的價格戰(zhàn)，向來都遵循一個公式：“一旦降價，就直接擊穿底價，‘不留活口’?！痹谶^往的SaaS和云計算階段，也恰都是這種節(jié)奏。

原因為何？或者說，大模型成熟到可以以如此低的成本進行大規(guī)模商業(yè)化了嗎？

在談及大模型價格之前，先來看云計算的價格戰(zhàn)，在過去的幾年時間里，包括阿里云、騰訊云、華為云等在云側的價格也更都處于不斷調低的模式，但就云計算技術本身而言，伴隨著流批一體、分布式存儲等技術的優(yōu)化，服務器CPU的成本在加速降低?？陀^來看，這種降價邏輯完全合理。

但這里面忽略了一個問題，即時間緯度。從時間來看，國內云計算的發(fā)展早在2006年，甚至更早就已經(jīng)開始了，等到了2014年左右才進入到快速發(fā)展期。而直到2016年，國內各大云廠商才開始靈活調整價格，真正的價格戰(zhàn)，或者說競相放低價格則要更晚。

從這個緯度來看，大模型在國內卻僅發(fā)展了不到兩年的時間，中間不論是如今整體算力上的短缺，還是對于GPU納管的存儲計算能力，以及其算法框架的優(yōu)化， 盡管其是基于云計算的底層架構進行成本側的優(yōu)化，但目前都尚未成熟。

據(jù)了解，以目前國內的主流芯片而言，如果是軟硬一體的交付，其算力利用率能到80%，但如果分別進行軟件和硬件的交付，整體由于異構以及不兼容的問題，其利用率甚至可以低到60%以及更低。此外，就國內的主流芯片而言，其相較于英偉達的H100等性能，同等價格下其性能更是只有其60%左右。

這些都代表著對大模型而言，真正良性的價格下浮并沒有實現(xiàn)。那么，從這個節(jié)點來看，大模型廠商廠商降價的本質是什么？

在前段時間，王小川曾聊到這樣一句話，“百川智能不參與價格戰(zhàn)，因為我們主要面向的是c端業(yè)務，降價的主要是B端的需求?！?/p>

誠然如此，從本質來看，在大模型降價背后，對一眾云廠商而言，其可以通過更低的價格更快、更好地構建自身的AI開發(fā)生態(tài)，通過讓自身的大模型產(chǎn)品被更多B端企業(yè)使用，進而建立數(shù)據(jù)飛輪和強化用戶粘性。

從當下來看，一旦企業(yè)選擇使用一家大模型，一般要經(jīng)歷搭建知識庫、數(shù)據(jù)庫、數(shù)據(jù)清理/標注，以及訓練、微調等環(huán)節(jié)，這也意味著其替換成本極其高，對模型廠商而言則對應的是極高的用戶粘性以及提前卡位。

實際上，從各家面向生態(tài)的動作能窺得一二。比如百度面向開發(fā)者推出的一眾包括飛槳在內的開發(fā)社區(qū)，再比如阿里自身的魔搭社區(qū)，以及騰訊、華為面向開發(fā)者的一眾工具，在降價的動作背后，也更是對自身AI生態(tài)的底層加速。

二、低價，真的會「催熟」大模型落地？

而在生態(tài)和客戶粘性之外，更應該思考的一個問題是：低價真的會催熟中國產(chǎn)業(yè)大模型的落地嗎？

客觀來看，如果說大模型是一個簡單的C端應用，或者對于企業(yè)來講是一個“拿來即用”的程序，那么降價或免費策略一定會更大程度地催熟市場。但如果站在企業(yè)搭建大模型的角度，這個問題則要更復雜得多。

總體來說，企業(yè)自身搭建一個大模型，不僅僅需要從大模型企業(yè)那里獲取相關服務，對于企業(yè)自身也有更高要求，比如企業(yè)內部的數(shù)據(jù)訓練、知識庫搭建等等。

以一個在金融企業(yè)內部的大模型實際案例為例，即銀行需要構建大模型，其第一步是數(shù)據(jù)收集。首先，各部門需要把風險評估、客戶信用評分、欺詐檢測等數(shù)據(jù)匯總起來，同時在此基礎上，收集各部門對大模型業(yè)務的需求。

其次，將這些結構化和非結構化的數(shù)據(jù)進行具體整理，并確定數(shù)據(jù)來源。這里包括數(shù)據(jù)清洗、轉換數(shù)據(jù)格式等等。

而這些工作都是企業(yè)在業(yè)務部門內需要完成的。

在完成了整個數(shù)據(jù)層面的處理，還需要進行模型層面的訓練。這里則需要用到大模型廠商提供的服務，比如基于大模型廠商提供的SFT組件，以及對應的prompt模塊進行模型訓練調整。

另外，為了行業(yè)模型能夠更精準地匹配業(yè)務，大模型廠商還需要配合企業(yè)完成知識庫的搭建。

可以看到，大模型落地更等同于一個系統(tǒng)工程。即使大模型企業(yè)通過低價或免費策略吸引了大量客戶，企業(yè)客戶在實際應用中仍需要投入大量的資源和時間來整合和優(yōu)化這些服務。目前從國內的實踐落地來看，盡管已經(jīng)有一些央國企在帶頭完成各自行業(yè)里的垂直模型搭建，但其中在數(shù)據(jù)收集以及訓練層面也仍是困難重重。

此外，問題也更在模型側。“包括我們不知道在不同的場景我們到底該用多大的模型進行訓練，這點我們技術團隊只能根據(jù)廠商給出來的幾個模型一個個試，但究竟是多大的能夠做什么事情，這個事情沒有明確的說明。”一位相關技術負責人告訴產(chǎn)業(yè)家。

從某種程度來說，降價解決的僅僅是大模型工程最前端的入口問題，但對于整個過程中的全部鏈路節(jié)點的打通，這中間的各種問題仍然足夠繁瑣，關卡難度也更足夠大。

三、大模型，「行業(yè)壁壘」之戰(zhàn)

“用虧損換收入是不可持續(xù)的，所以我們從來不走這條路子。”火山引擎譚待這樣告訴媒體。

站在商業(yè)化的角度去思考，既然目前大模型廠商離盈利還較遠，那么如今字節(jié)、阿里、百度、科大訊飛和騰訊都紛紛宣布降價，甚至免費，在這波操作背后，這些大模型廠商有沒有更深層的意圖？

首先，一個在過去互聯(lián)網(wǎng)時代和云計算時代的邏輯是，大廠推出的系統(tǒng)和應用要想在行業(yè)里站穩(wěn)腳跟，就必須要有一定的行業(yè)know-how積累和服務經(jīng)驗的沉淀。

同樣地，這套思路也適用于大模型時代。只是與之不同的是，大模型時代是站在互聯(lián)網(wǎng)時代和云計算時代之上的，一方面，過去的問題不會重復出現(xiàn)，比如數(shù)據(jù)孤島和系統(tǒng)之間打通的問題，在大模型時代基于scaling law的模式，則會有更好的解決方式；

另一方面，過去的互聯(lián)網(wǎng)廠商和如今的大模型廠商是同一批參與者，這也意味著，一些包括數(shù)據(jù)庫、中間件以及數(shù)據(jù)層面的行業(yè)積累可以復用。

實際上，這也是為什么去年華為盤古大模型一經(jīng)發(fā)布，就打著“不作詩，只做事”的口號，直接選擇行業(yè)大模型的原因。此外，包括百度、阿里、騰訊、火山引擎等更是在行業(yè)大模型側不斷加碼，比如在5月28日的智能經(jīng)濟論壇峰會上，百度副總裁沈抖就表示，百度的行業(yè)大模型方案是在通用大模型的基礎上，催生出N個行業(yè)小模型，基于“大模型+小模型”的方案幫助企業(yè)落地。

相較之下，騰訊的混元大模型的行業(yè)積累則聚焦在社交、辦公和汽車領域。在不久前剛結束的北京車展前后，騰訊也發(fā)布了汽車行業(yè)大模型，這也是基于騰訊的混元大模型之上的，比如在汽車研發(fā)、生產(chǎn)、營銷、服務和企業(yè)協(xié)同辦公等場景，汽車大模型都可以發(fā)揮作用。

然而，上述提到的行業(yè)案例也只是目前大模型生態(tài)里的冰山一角。

可以感知到的是，目前各家大模型廠商的一致路徑都是，通過與行業(yè)企業(yè)的合作，基于更精準的數(shù)據(jù)進而構建出各自的大模型行業(yè)壁壘。

寫在最后

實際上，從降價到大模型大規(guī)模實際落地，中間還有很長的一段路要走。這條路是大模型廠商如何做好模型搭建相關的云服務，企業(yè)如何梳理數(shù)據(jù)、訓練數(shù)據(jù)、如何基于業(yè)務邏輯搭建模型，以及工具和接口是否一致等等問題。

但降價潮本身也并非毫無意義。

從目前的落地情況來看，大模型在B端的落地還遠未到成熟的地步。在大模型廠商之外，SaaS企業(yè)也更在進行軟件層面的AI重構，能看到的是，包括用友、金蝶、微盟、銷售易等企業(yè)，它們有的選擇與大模型企業(yè)合作搭建自己的大模型；有些則選擇以API的方式接入大廠的大模型底座，在上面建自己的AI Agent；再或者，有些則是更進一步，構建“AI+SaaS”原生應用。

這些新的基于軟件層面的嘗試，都將建立在算力足夠普惠的基礎上。“未來整個行業(yè)的推理成本每年降低10倍是可以期待的，而且這個趨勢是必然的。對于行業(yè)來說，現(xiàn)在模型的API調用還是非常非常低的比例，如果推理成本一年降低10倍那就有更多的人可以用上大模型，這是非常利好的消息?！崩铋_復表示。

算力普惠，是大模型落地的充分條件，但從如今的進度條來看，它盡管需要被正視價值，但遠遠不能成為改變整個大模型落地的最強催化劑。

“技術是不會以任何商業(yè)行為或者人們的意愿所改變它的上限和下限的，它需要的時間是恒定的?！?/strong>上述金融企業(yè)的CIO說道。